基于LargeVis的随机森林可视化的胎心率诊断研究

胎心率和胎心率变异性是检查胎儿健康状态的两个重要测量值,通常在常规怀孕检查和分娩室中进行,主要依赖有经验的医师和胎心监护设备,而孕妇无法随时直观监测胎儿的情况,难于发现胎儿异常状况。鉴于此,本文通过多普勒设备采集胎心率的超声信号,采用点特征提取算法提取超声信号的重要特征,提出一种基于LargeVis的可视化随机森林分类的方法。首先运用随机森林学习出特征提取后的样本特征的重要性分数,然后采用LargeVis方法降维,对超声数据可视化,并利用随机森林分类器对胎心数据样本进行分类。本文使用300例胎儿心率数据进行测试,实验结果表明,该算法不仅分类精度高,达到98%,并可以对超声数据快速地形成可视化。